چارچوب یادگیری ماشین مبتنی بر داده‌های آزاد به دقتی نزدیک به کامل در تشخیص سرطان پستان رسید
پژوهشگران چینی چارچوبی کاملاً بازتولیدپذیر و مبتنی بر داده‌های آزاد توسعه داده‌اند که با ترکیب یادگیری ماشین تفسیرپذیر و آسیب‌شناسی کمی سلولی، توده‌های بدخیم پستان را از توده‌های خوش‌خیم متمایز می‌کند. آنان همچنین کل فرایند تحلیل را به‌عنوان منبعی آموزشی برای هوش مصنوعی پزشکی طراحی کرده‌اند. این گروه پژوهشی به سرپرستی مین لی از بیمارستان وابسته نخست دانشگاه علوم پزشکی آنهویی و با همکاری پژوهشگران دیگر، از مجموعه‌داده عمومی «تشخیصی سرطان پستان ویسکانسین» (WDBC) استفاده کرد که شامل ۵۶۹ نمونه دیجیتالی حاصل از آسپیراسیون با سوزن ظریف است. پژوهشگران هفت الگوریتم یادگیری نظارت‌شده را با اعتبارسنجی متقاطع تودرتو و سخت‌گیرانه مقایسه کردند. نتایج نشان داد که مدل‌ها قدرت تفکیک بسیار بالایی دارند؛ ماشین بردار پشتیبان با هسته تابع پایه شعاعی به مقدار ۰٫۹۹۵ در شاخص سطح زیر منحنی مشخصه عملکرد گیرنده (ROC-AUC) رسید و ماشین بردار پشتیبان خطیِ تفسیرپذیر نیز با مقدار ۰٫۹۹۴ عملکردی نزدیک به آن داشت. این مطالعه که در مجله Frontiers in Oncology منتشر شده است، به‌جای تمرکز بر یک عدد منفرد برای دقت، بر اعتبارسنجی شفاف، کالیبراسیون احتمال‌ها و تحلیل تصمیم‌گیری وابسته به آستانه تأکید می‌کند.
مجموعه‌داده مورد استفاده در این تحلیل، یکی از معیارهای مرجع باسابقه در این حوزه است و ۳۰ ویژگی پیوسته هسته سلول را در بر می‌گیرد که از نمونه‌های دیجیتالی آسپیراسیون با سوزن ظریف استخراج شده‌اند. این ویژگی‌ها شامل ۱۰ مشخصه است: شعاع، بافت، محیط، مساحت، صافی، فشردگی، تقعر، نقاط مقعر، تقارن و بُعد فراکتالی. از هر مشخصه سه مقدار ثبت شده است: میانگین، خطای استاندارد و بدترین مقدار که به‌صورت میانگین سه اندازه‌گیری بزرگ‌تر تعریف می‌شود. این مجموعه شامل ۲۱۲ نمونه بدخیم و ۳۵۷ نمونه خوش‌خیم است؛ بنابراین، شیوع موارد بدخیم در آن ۳۷٫۳ درصد است. نسخه استاندارد داده‌ها نیز هیچ مقدار مفقودی ندارد. این شاخص‌ها تغییرات ریخت‌شناختی و بافتی مرتبط با بدخیمی را بازتاب می‌دهند؛ از جمله بزرگ‌شدن و نامنظم‌شدن هسته‌ها، ناهمگنی کروماتین، افزایش تغییرات شکل هسته و بی‌نظمی ساختار سلولی. نویسندگان تأکید می‌کنند که این مجموعه‌داده آزاد محیطی کنترل‌شده برای آزمودن مدل‌ها فراهم می‌کند، اما جایگزین داده‌های بالینی حاصل از مطالعات چندمرکزی نیست.
دقت روش‌شناختی یکی از محورهای اصلی طراحی پژوهش بود. هر هفت الگوریتم مورد بررسی، شامل رگرسیون لجستیک منظم‌شده، ماشین بردار پشتیبان خطی با کالیبراسیون احتمال، ماشین بردار پشتیبان با هسته تابع پایه شعاعی، جنگل تصادفی، تقویت گرادیانی، نزدیک‌ترین همسایه‌ها و بیز ساده گاوسی، با استفاده از اعتبارسنجی متقاطع طبقه‌بندی‌شده تودرتو ارزیابی شدند. این فرایند شامل پنج بخش بیرونی و چهار بخش درونی بود. پارامترهای استانداردسازی، ابرپارامترها، کالیبراسیون احتمال و آستانه‌های تصمیم‌گیری فقط با استفاده از بخش آموزشی هر دور بیرونی برآورد شدند و پیش از اعمال مدل به داده‌های کنارگذاشته‌شده، ثابت ماندند. این راهبرد آگاهانه برای جلوگیری از نشت اطلاعات به کار رفت. انتخاب ابرپارامترها با جست‌وجوی شبکه‌ای انجام شد و سطح زیر منحنی ROC معیار انتخاب بود. همچنین، برای تقسیم‌بندی داده‌ها، نمونه‌گیری مجدد بوت‌استرپ و محاسبه اهمیت ویژگی‌ها از طریق جایگشت، مقدار بذر تصادفی ثابت ۴۲ در نظر گرفته شد. گزارش پژوهش از دستورالعمل TRIPOD+AI پیروی کرد و چارچوب PROBAST نیز برای ارزیابی سوگیری احتمالی در منابع داده، پیش‌بین‌ها، پیامدها و تحلیل به کار گرفته شد.
نتایج عملکرد نشان داد که اختلاف میان مدل‌های برتر بسیار اندک است. در هر هفت الگوریتم، مقادیر سطح زیر منحنی ROC بین ۰٫۹۸۷ و ۰٫۹۹۵ و مقادیر سطح زیر منحنی دقت ـ بازخوانی بین ۰٫۹۸۰ و ۰٫۹۹۴ قرار داشت. ماشین بردار پشتیبان با هسته تابع پایه شعاعی در بیشتر معیارهای تفکیک و طبقه‌بندی، از نظر عددی در جایگاه نخست قرار گرفت؛ بااین‌حال، مقایسه‌های آماری زوجی تفاوت معناداری میان مدل‌ها نشان ندادند. آزمون‌های دِلانگ برای مقایسه ماشین بردار پشتیبان خطی با نسخه دارای هسته تابع پایه شعاعی و با رگرسیون لجستیک، به‌ترتیب مقادیر احتمال ۰٫۴۳۰ و ۰٫۸۲۹ را به دست دادند. آزمون‌های دقیق مک‌نمار نیز در آستانه پیش‌فرض ۰٫۵، مقادیر ۱٫۰۰۰ و ۰٫۶۸۸ را نشان دادند. مدل خطی به‌عنوان مدل اصلی برای تفسیر انتخاب شد، زیرا ویژگی اختصاصیت بالایی داشت و ضرایب آن را می‌شد مستقیماً بررسی کرد. در این مدل، امتیاز بریر ۰٫۰۲۱ بود و عرض از مبدأ کالیبراسیون و شیب آن به‌ترتیب ۰٫۲۸۰ و ۱٫۲۸۴ به دست آمدند. هر دو برآورد با فاصله‌های اطمینان بوت‌استرپ شرطی گسترده همراه بودند؛ نتیجه‌ای که از کالیبراسیون داخلی مطلوب، در کنار باقی‌ماندن مقداری عدم‌قطعیت در مقیاس‌بندی احتمال‌ها، حکایت دارد.
انتخاب آستانه نقش تعیین‌کننده‌ای در رفتار تشخیصی مدل داشت. ماشین بردار پشتیبان خطی با استفاده از آستانه‌های یودن که برای هر بخش اعتبارسنجی فقط از داده‌های آموزشی همان بخش استخراج شده بودند، در داده‌های کنارگذاشته‌شده به دقت ۰٫۹۸۱، حساسیت ۰٫۹۶۲، اختصاصیت ۰٫۹۹۲، امتیاز F1 برابر با ۰٫۹۷۴ و ضریب همبستگی متیوز برابر با ۰٫۹۵۹ رسید. این مدل از میان ۲۱۲ نمونه بدخیم، ۲۰۴ مورد را به‌درستی شناسایی کرد و هشت مورد منفی کاذب و سه مورد مثبت کاذب داشت. در مقابل، با استفاده از قاعده‌ای که برای اولویت‌دادن به حساسیت و دستیابی به حساسیت آموزشی دست‌کم ۰٫۹۹ انتخاب شده بود، حساسیت در داده‌های کنارگذاشته‌شده به ۰٫۹۹۱ افزایش یافت، اما اختصاصیت به ۰٫۸۶۶ کاهش پیدا کرد. در این حالت، تعداد منفی‌های کاذب از هشت به دو مورد رسید، درحالی‌که تعداد مثبت‌های کاذب از سه به ۴۸ مورد افزایش یافت. نویسندگان این مبادله را به‌عنوان نمونه‌ای کمی و آموزشی به‌روشنی توضیح می‌دهند: شناسایی شش مورد بدخیم بیشتر، به بهای ۴۵ طبقه‌بندی مثبت کاذب اضافی تمام شد و می‌تواند بار ناشی از ارجاع‌های غیرضروری به مراحل تشخیصی بعدی را افزایش دهد.
تحلیل اکتشافی منحنی تصمیم‌گیری، ارزیابی را از طبقه‌بندی صرف فراتر برد. در این تحلیل، ارجاع برای بررسی تخصصی آسیب‌شناسی سلولی یا انجام آزمایش تأییدی روی بافت به‌عنوان اقدام بالینی در نظر گرفته شد. سود خالص مدل در دامنه احتمال‌های آستانه‌ای ۰٫۰۵ تا ۰٫۹۵ بررسی شد، اما تفسیر از پیش تعیین‌شده بر بازه ۰٫۰۵ تا ۰٫۳۰ متمرکز بود. در این محدوده، وزن نسبی ضمنیِ از دست‌دادن یک مورد بدخیم در مقایسه با ارجاع غیرضروری، از حدود ۱۹ برابر به ۲٫۳۳ برابر تغییر می‌کند. در بیشتر این دامنه اصلی، مدل سود خالص برآوردشده بیشتری نسبت به دو راهبرد مرجعِ ارجاع همه افراد و ارجاع‌ندادن هیچ‌کس نشان داد. نویسندگان هشدار می‌دهند که احتمال آستانه در تحلیل منحنی تصمیم‌گیری از نظر مفهومی با آستانه طبقه‌بندی مدل متفاوت است. مقادیر بالاتر از ۰٫۳۰ نیز صرفاً برای کامل‌بودن نمایش داده شده‌اند و نباید به‌عنوان نقاط پیشنهادی برای تصمیم‌گیری عملی تلقی شوند.
تفسیر ویژگی‌ها با اصول شناخته‌شده آسیب‌شناسی سلولی در تشخیص بدخیمی همخوانی داشت. از جمله پیش‌بین‌های مهم می‌توان به بافت در بدترین حالت، خطای شعاع، تقارن در بدترین حالت، خطای فشردگی، خطای مساحت و شاخص‌های مرتبط با تقعر اشاره کرد. تفاوت میانگین‌های استانداردشده نشان‌دهنده جدایی قابل‌توجه دو گروه بود؛ برای مثال، این مقدار برای تعداد نقاط مقعر در بدترین حالت ۲٫۶۰ و برای شعاع در بدترین حالت ۲٫۳۲ بود. میانه ضرایب استانداردشده مدل خطی برای ۹ مورد از ۱۰ ویژگی گزارش‌شده، در هر پنج بخش آموزشی مثبت بود. در مقابل، ضریب شرطی خطای فشردگی به‌طور پایدار منفی باقی ماند، هرچند میانگین این ویژگی در گروه بدخیم بالاتر بود. نویسندگان این وضعیت را پیامد تعدیل چندمتغیره در میان شاخص‌های ریخت‌شناختی به‌شدت همبسته می‌دانند. آنان این اختلاف را نمونه‌ای آموزشی برای تمایز میان تفاوت‌های تک‌متغیره دو گروه و سهم شرطی هر متغیر در مدل معرفی می‌کنند. همچنین، تأکید دارند که اهمیت ویژگی‌ها باید در سطح خانواده‌های ریخت‌شناختی، از جمله اندازه هسته، نامنظمی مرز و ناهمگنی بافتی یا تقارنی، تفسیر شود، نه به‌عنوان شواهدی از اثرهای زیستی مستقل.
کاهش تعداد ویژگی‌ها با کنترل نشت اطلاعات نشان داد که می‌توان بخش عمده اطلاعات تشخیصی را با مجموعه کوچک‌تری از پیش‌بین‌ها حفظ کرد. در این روش، رتبه‌بندی ویژگی‌ها بر پایه اطلاعات متقابل، در هر بخش بیرونی فقط با استفاده از داده‌های آموزشی انجام شد. مدل رگرسیون لجستیک با ۲۰ ویژگی به سطح زیر منحنی ROC برابر با ۰٫۹۹۶ و سطح زیر منحنی دقت ـ بازخوانی برابر با ۰٫۹۹۴ رسید. عملکرد این مدل از نظر آماری با مدل کامل ۳۰ ویژگی تفاوت معناداری نداشت. اختلاف زوجی سطح زیر منحنی ROC میان این دو مدل ۰٫۰۰۱۲ بود و فاصله اطمینان بوت‌استرپ ۹۵ درصد آن از منفی ۰٫۰۰۰۴ تا ۰٫۰۰۳۴ امتداد داشت. کاهش بیشتر تعداد ویژگی‌ها، افتی اندک اما قابل‌شناسایی ایجاد کرد: اختلاف مدل ۱۰ ویژگی با مدل ۳۰ ویژگی منفی ۰٫۰۰۵۴ بود و فاصله اطمینان آن از منفی ۰٫۰۱۱۷ تا منفی ۰٫۰۰۰۵ متغیر بود. ده ویژگی، که عمدتاً شامل شاخص‌های اندازه هسته و نامنظمی مرز مانند شعاع میانگین، محیط میانگین، مساحت میانگین و تعداد نقاط مقعر در بدترین حالت بودند، در مجموعه ۱۰ ویژگی برتر هر پنج بخش ظاهر شدند. این تکرار نشان‌دهنده پایداری و تداوم سیگنال‌های ریخت‌شناختی مهم است.
نویسندگان محدودیت‌های استنباط از این نتایج را به‌صراحت بیان می‌کنند. مجموعه‌داده WDBC مجموعه‌ای قدیمی و تک‌منبعی است که اندازه‌گیری‌های هسته‌ای ازپیش‌استخراج‌شده را در بر می‌گیرد و تغییرات ناشی از آماده‌سازی نمونه، رنگ‌آمیزی، سامانه‌های اسکن، روش‌های قطعه‌بندی تصویر یا انتخاب سلول‌ها توسط آسیب‌شناس را پوشش نمی‌دهد. همچنین، متغیرهای بالینی مانند سن بیمار، نتایج تصویربرداری، اندازه تومور، نوع بافت‌شناختی، وضعیت گیرنده‌ها، درمان و پیگیری بیمار در این مجموعه وجود ندارند. فاصله‌های اطمینان بوت‌استرپ گزارش‌شده، تغییرپذیری ناشی از نمونه‌گیری را با فرض ثابت‌بودن پیش‌بینی‌های خارج از بخش آموزشی اندازه‌گیری می‌کنند و تمام عدم‌قطعیت ناشی از تکرار کل فرایند توسعه مدل را در بر نمی‌گیرند. این تحلیل بر طبقه‌بندی هم‌زمان موارد بدخیم و خوش‌خیم متمرکز است، نه پیش‌آگهی بیماری یا پیش‌بینی رویدادهای آینده. نویسندگان خواستار انجام مطالعات آینده‌نگر چندمرکزی هستند تا قدرت تفکیک بیرونی، کالیبراسیون، قابلیت اعتماد در زیرگروه‌های مختلف و پایداری آستانه‌ها پیش از هرگونه کاربرد بالینی ارزیابی شود.
فراتر از نتایج حاصل از مجموعه‌داده معیار، شاید مهم‌ترین ویژگی این پژوهش ساختار آموزشی آن باشد. این چارچوب، توزیع ویژگی‌های هسته و الگوهای اهمیت آن‌ها را به استدلال آسیب‌شناختی پیوند می‌دهد، از مقایسه طبقه‌بندها، منحنی‌های کالیبراسیون و ماتریس‌های درهم‌ریختگی برای توضیح ابعاد متفاوت عملکرد مدل بهره می‌گیرد و با بررسی آستانه‌های تصمیم‌گیری جایگزین نشان می‌دهد که احتمال‌های پیش‌بینی‌شده چگونه به تصمیم‌های تشخیصی تبدیل می‌شوند. اعتبارسنجی تودرتو و تحلیل کاهش ویژگی‌ها نیز نمونه‌های عملی برای آموزش تقسیم‌بندی داده‌ها، افزونگی ویژگی‌ها، تفسیرپذیری و پیشگیری از نشت اطلاعات فراهم می‌کنند. نویسندگان با پیوند دادن همه این مراحل به یک مجموعه‌داده آزاد و گردش‌کار پشتیبانی‌شده با اسکریپت‌هایی که نسخه‌های آن‌ها مشخص و تثبیت شده است، توالی آموزشی منسجمی را در قالب مطالعه موردی در اختیار مدرسان آسیب‌شناسی، سرطان‌شناسی و علم داده‌های پزشکی قرار می‌دهند؛ توالی‌ای که از بررسی ریخت‌شناسی سلولی آغاز می‌شود و به ارزیابی انتقادی هوش مصنوعی تشخیصی می‌رسد.
موضوع پژوهش: یادگیری ماشین تفسیرپذیر برای تشخیص سرطان پستان با استفاده از ویژگی‌های کمی هسته در آسیب‌شناسی سلولی و یک مجموعه‌داده معیار آزاد.
عنوان مقاله: چارچوبی بازتولیدپذیر و مبتنی بر داده‌های آزاد برای تشخیص تفسیرپذیر سرطان پستان و آموزش آسیب‌شناسی سلولی.
منبع مقاله: Li, M., Zhang, X., Xie, X., Shi, Y., Hu, X., Huang, N., & Wang, Z. (2026). A reproducible open-data framework for interpretable breast cancer diagnosis and cytopathology education. Frontiers in Oncology, 16، مقاله 1921082. https://doi.org/10.3389/fonc.2026.1921082
شناسه دیجیتال مقاله (DOI): 10.3389/fonc.2026.1921082
کلیدواژه‌ها: سرطان پستان، آسیب‌شناسی سلولی، یادگیری ماشین، مجموعه‌داده WDBC، اعتبارسنجی متقاطع تودرتو، کالیبراسیون مدل، تحلیل منحنی تصمیم‌گیری، کاهش ویژگی‌ها، آموزش هوش مصنوعی پزشکی، پژوهش بازتولیدپذیر، ماشین بردار پشتیبان، TRIPOD+AI.
منبع خبر: اوفلیا کیتینگ، ۲۶ اکتبر ۲۰۲۶، «چارچوب یادگیری ماشین مبتنی بر داده‌های آزاد به دقتی نزدیک به کامل در تشخیص سرطان پستان در یک مجموعه‌داده معیار رسید»، Scienmag.